随着计算机技术从研究阶段向应用阶段的发展,企业对工业现场的全自动化提出了新的要求。就食品及饮料行业来讲,在食品制作的过程中,常常会用到工业滤布来滤除流体的杂质,以获取更纯净的原材料。由于滤布的多次挤压与折叠,难免会使滤布出现破损,这样会使食品不够纯净,沉淀物太多,导致食品质量大大下降。所以,如何快速而准确检测滤布中的破损是食品行业亟待解决的一大难题。本文设计了一种工业滤布破损检测系统,该系统结合机器视觉、数字图像处理和机器学习算法来设计,能够满足食品生产过程中的自动化的控制、在线检测和智能化的管理等要求。本文主要内容可分为以下几点:第一,对滤布破损检测系统的具体研究背景与应用开发的意义做了概述,并详细分析了布匹疵点检测系统在国内外的发展情况和机器学习的发展历程与研究现状,最后分析了国内在布匹缺陷检测这方面的不足。第二,对滤布的检测过程和检测原理进行了分析,然后介绍了检测系统要求的技术指标,并对系统的硬件结构和软件框架进行了设计,最后介绍了基于GLCM的破损检测和基于机器学习算法的破损分类。第三,详尽的介绍了有关提取滤布纹理特征的各种算法,并重点分析GLCM和ULBP两种提取特征的算子,以及影响算子提取结果的重要参数。第四,设计了基于GLCM的滤布破损检测,主要包括前期对图像的滤波和图像增强,以及滤布周期的计算、灰度级数的确认、GLCM结构参数的选取、自适应阈值的确定和特征区域的提取及面积的计算。采用了累加距离匹配函数对滤布周期进行计算,并利用最优结构参数提取GLCM。最后,利用GLCM和ULBP算子提取滤布的纹理特征,然后分析SVM学习算法原理与应用,并利用该算法构建模型,然后对模型的训练方法、超参数调节进行详细地说明,最后对比了分别使用GLCM特征、ULBP特征和两种特征的组合特征的分类结果,也对该结果做出了详尽的分析。